Totalförsvarets forskningsinstitut undersöker hur maskininlärning kan användas för att utveckla radarabsorberande material. Tekniken kan påverka hur material designas genom att korta utvecklingstider och möjliggöra nya typer av strukturer. Arbetet sker inom ramen för en förstudie där AI-modeller testas som alternativ till traditionella metoder.
AI i utveckling av radarabsorbenter
Totalförsvarets forskningsinstitut (FOI) har genomfört en förstudie kring hur maskininlärning kan användas i designen av radarabsorbenter. Dessa material används för att minska upptäckbarheten för militära objekt genom att absorbera radarvågor.
– Det är strukturer som placeras på höljet av farkoster. När det sedan kommer radarvågor utifrån så absorberar strukturen energin i radarvågorna så att de inte studsar tillbaka, vilket gör det svårare att läsa av var farkosten befinner sig, säger Tomas Wilkinson som är forskare på enheten sensornära dataanalys och simulering på avdelningen Cyberförsvar och ledningsteknik.
Tidskrävande designprocess
Materialen består av små geometriska mönster som kombineras i flera lager. Kombinationerna påverkar egenskaperna och gör designen komplex.
– Efter två eller tre lager blir det väldigt tidsödande. Då behövs en väldigt god idé kring exakt vilka strukturer som är lämpade att kombinera. När man designar strukturerna utgår man traditionellt från vissa geometrier, annars blir utfallsrummet för stort, säger David Gustafsson som är seniorforskare på enheten sensornära dataanalys och simulering.
Snabbare beräkningar med AI
I studien testas maskininlärning som ett alternativ till dagens simuleringsbaserade metoder. En så kallad surrogatmodell används för att efterlikna beräkningsmjukvara och kan enligt uppgifterna utföra beräkningar betydligt snabbare.
– Vi hoppas på att kunna designa nya mönster, som har bättre förmågor än de som finns i dagsläget, säger Tomas Wilkinson.
– Det är en ganska stor trend inom området vad vi kan se. Den andra stora ansatsen är inverse design. Istället för att försöka komma på en design och utvärdera dess egenskaper, så vänder man på steken och matar in önskemålen i AI-modellen: ”Vi vill ha den här absorptionen på de här frekvenserna” eller vad man nu är intresserad av. Då spottar den idealt ut förslag på designer som uppfyller de egenskaperna, säger Tomas Wilkinson.
Kan ge nya typer av material
Enligt forskarna kan metoden användas för att ta fram nya typer av strukturer som inte följer traditionella mönster.
– Det gör det möjligt att utforska sådant som är svårt att komma på även för den som är insatt i ämnet. Med maskininlärning kan vi designa material och mönster som är väldigt konstiga, utfallet kan bli väldigt annorlunda jämfört med det traditionella. Just att AI inte utgår från hur vi har gjort tidigare öppnar upp för väldigt intressanta spår, säger David Gustafsson.
Möjliga tillämpningar
Metoden bedöms kunna användas även inom andra områden där material och konstruktioner utvecklas.
– Det kan vara allt från broar och flygplan till nya material. Det är en otroligt stor fråga – att kunna designa saker bättre, billigare och snabbare än vi gör idag. AI verkar vara ett av de mest lovande sätten att göra det på, säger Tomas Wilkinson.
– Det verkar finnas nästan oändligt många försvarstillämpningar. En ganska stor grej är lättviktiga nya material, till exempel metallegeringar eller andra material som är både starka och lätta. Allt som flyger vill man ha lättare material i. Det drar mindre energi, ger lägre utsläpp och mindre signatur, säger Tomas Wilkinson.
– Om tio år är det kanske den här typen av AI-forskning som kommer ha gjort störst avtryck. Det här påverkar vilka saker som finns i den fysiska verkligheten. Det har oerhört stor påverkan, säger David Gustafsson.
Källa FOI
